| 基于联合滤波的聚类稀疏表示图像去噪算法 |
| |
| 引用本文： | 高美凤,王 晨.基于联合滤波的聚类稀疏表示图像去噪算法[J].计算机工程与应用,2015,51(24):180-185. |
| |
| 作者姓名： | 高美凤 王 晨 |
| |
| 作者单位： | 江南大学 轻工过程先进控制教育部重点实验室，江苏 无锡 214122 |
| |
| 摘 要： | 针对非局部均值去噪算法中噪声对结构聚类影响的问题，提出了一种基于联合滤波预处理的聚类稀疏表示图像去噪算法。利用维纳滤波和巴特沃斯滤波联合滤波处理提取含噪图像中的高频分量，同时减小了噪声对聚类的影响；利用非局部均值去噪的思想将高频图像块进行聚类，每一类图像块单独进行字典学习，增强字典的自适应性；利用多循环字典更新的K-SVD算法进行类内字典学习，增强字典的描述能力。实验结果表明，与传统的K-SVD算法相比，该算法能有效保留图像的结构信息，并且提升了图像的去噪效果。
|
| 关 键 词： | 非局部去噪 稀疏表示 联合滤波 字典学习 |
Image denoising via clustering-based sparse representation over collaborative filter |
| |
| GAO Meifeng,WANG Chen.Image denoising via clustering-based sparse representation over collaborative filter[J].Computer Engineering and Applications,2015,51(24):180-185. |
| |
| Authors: | GAO Meifeng WANG Chen |
| |
| Affiliation: | Key Laboratory of Advanced Process Control for Light Industry, Ministry of Education, Jiangnan University, Wuxi, Jiangsu 214122, China |
| |
| Abstract: | |
| |
| Keywords: | non-local denoising sparse representation collaborative filter dictionary learning |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
